应答图:大规模图中的因子化至关重要
数据库
2020-11-11 v1
摘要
我们用于求值SPARQL合取查询(CQs)的应答图方法首先找到一个因子化应答集,即一个应答图,然后从中找出嵌入元组。该方法可大幅降低求值CQs的代价。这带来了第二个优势:我们可以构建一个基于代价的规划器。我们介绍了应答图方法,并概述了我们的原型系统Wireframe。随后,我们通过在YAGO2s数据集上针对两种普遍查询形状(雪花形与菱形)的微基准测试提供概念验证。我们将Wireframe在这些查询上的性能与PostgreSQL、Virtuoso、MonetDB和Neo4J进行比较,以说明我们应答图方法的性能优势。
引用
@article{arxiv.2011.04838,
title = {Answer Graph: Factorization Matters in Large Graphs},
author = {Zahid Abul-Basher and Nikolay Yakovets and Parke Godfrey and Stanley Clark and Mark Chignell},
journal= {arXiv preprint arXiv:2011.04838},
year = {2020}
}